基于粒子滤波的信道估计方法技术

一种基于粒子滤波的信道估计方法，用于无线传输技术领域。本发明专利技术根据已知导频信息对信道进行最小平方估计，得到导频处信道估计的初始值，再设置粒子范围和粒子数目，给出每个粒子的初始权重；根据接收天线接收来的信号利用似然函数分别计算出每个粒子的权重的似然函数值，并对每个粒子的似然函数值进行归一化，得到每个粒子的归一化的权重值；利用贝叶斯原理，求出当前信道值的概率分布函数值；根据判断条件对粒子进行重采样；传递当前的粒子到下一个导频处；最终得到发送所有导频处的信道估计值，再进行内插算法，得到所有发送数据符号的信道估计值，从而完成信道信息的估计。本发明专利技术性能稳健、鲁棒性强、抗噪声的能力强的特点，而且易于实现。

【技术实现步骤摘要】

本专利技术涉及一种无线通信的信道估计方法，具体是一种，用于无线传输

技术介绍
无线通信中信号在传播过程受到信道衰减、多径时延扩展和多普勒频率扩展等因素的影响，在接收端为了能较好地恢复出发送信号通常采用相干解调的方法，而相干解调需要信道信息，它可通过信道估计来获得，信道估计器的性能直接影响系统性能，是接收机的关键技术之一，对宽带移动通信系统性能的好坏起着至关重要的作用。但由于无线信道是频域和时域上的时变信道且是非线性的，数学建模和定量分析都比较困难，往往采用线性的信号处理方法来对非线性的时变无线信道进行近似的估计。但在许多要求对动态系统进行实时估计的问题中，系统的非线性往往成为困扰着最优估计的重要因素。由于实时处理和计算存储量的要求，通常选用递推滤波算法来求解此类问题，包括扩展卡尔曼滤波(EKF)、修正增益的扩展卡尔曼滤波(MGEKF)等。它们基本思想是通过采用参数化的解析形式对系统的非线性进行近似，以寻求满意的估计精度。但扩展卡尔曼滤波算法只适用于滤波误差和预测误差很小的情况，否则，滤波初期估计协方差下降太快会导致滤波不稳定甚至发散。修正增益的扩展卡尔曼滤波算法虽然通过改善增益矩阵，相应改善了状态协方差的估计性能，但该方法对测量误差有一定限制。若测量误差较大，则算法在收敛精度、收敛时间及稳定性等方面表现得很不理想。为解决上述问题，随着计算存储成本的下降，一种崭新的基于贝叶斯原理的序贯蒙特卡罗粒子滤波器(PF)逐渐受到重视。经对现有技术的文献检索发现，K.Huber等在2003年的IEEE国际通信大会(IEEE International Conference on Communications)上发表文章“粒子滤波在MIMO无线通信中的应用(Application of Particle Filters to MIMOWireless Communications)”，该文提出一种适应于MIMO系统的，该方法在假设信道是AR模型的前提上使用导频信息进行初始信道信息的估计，再利用信道的AR模型，得到信道的各个粒子，从而进行粒子滤波得到信道估计值，但该方法有个明显的缺点就是假设信道统计信息是已知的，这往往不符合信道的实际情况，因此这种方法有很大的局限性。另外，该方法未提出一种很好的重采样算法。检索中还发现，W.H Chin等在2002年的IEEE国际数字信号处理大会(IEEE International Conference on Digital SignalProcessing)上发表文章“空时块编码系统中使用粒子滤波的信道估计(Channeltracking for space-time block coded systems using particle filtering)”中提出了一种适用于MISO系统得，其核心仍旧是建立在已知信道是AR模型的，仍旧没有提出很好的重采样算法。因此，上述两篇文章提出的算法不大适用于信道未知的实际情况，工程实际意义不是很突出。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种，使其在不知道信道统计信息的环境下保持估计性能稳健、鲁棒性强、抗噪声的能力强的特点，而且易于实现。本专利技术是通过以下技术方案实现的，本专利技术根据已知导频信息对信道进行最小平方估计，得到导频处信道估计的初始值，再设置粒子范围和粒子数目，给出每个粒子的初始权重；根据接收天线接收来的信号利用似然函数分别计算出每个粒子的权重的似然函数值，并对每个粒子的似然函数值进行归一化，得到每个粒子的归一化的权重值；利用贝叶斯原理，求出当前信道值的概率分布函数值；根据判断条件对粒子进行重采样；传递当前的粒子到下一个导频处；最终得到发送所有导频处的信道估计值，再进行内插算法，得到所有发送数据符号的信道估计值，从而完成信道信息的估计。本专利技术性能稳健、鲁棒性强、抗噪声的能力强的特点，而且易于实现。以下对本专利技术方法作进一步的说明，包括如下步骤1.首先，根据采用的通信系统是单天线系统还是多天线系统，设置相应的导频信息；考虑所采用的通信系统是单天线系统还是多天线系统，如果是单天线系统，对导频的设置没有任何特殊要求，如果是多天线系统，则在发送端发送的不同天线及不同时刻构成的导频矩阵必须满秩，因此这些导频可以是互相正交也可以不正交，这样在接收天线端可以很容易地对不同发送天线的导频符号进行解耦和分离。本专利技术采用的是一维空间的粒子滤波器，所采用的信号处理方法都是建立在一维空间的贝叶斯原理和一维空间的序贯蒙特卡罗法的基础上的，因此，本专利技术针对信道信息是包含幅度和相位的复数信息，把复数的实部和虚部分离开来，分别对实部和虚部进行各自的基于粒子滤波法的跟踪与估计，整个过程结束前，再把信道实部和虚部信息合并成完整的信道信息。采用一维空间的信道实部和虚部分别处理的方法，避免了原理极其复杂且运算量极大的贝叶斯原理下联合概率密度问题的求解问题，从而大大减小了分析复杂度和运算量。2.利用导频符号，求出基于最小平方准则(LS)下的初始的信道估计值，再把LS估计得到的复数形式的信道信息分解成实部形式和虚部形式的信道信息。这个过程对单天线系统很简单，就是在频域求出各导频符号对应的初始信道估计值；对多天线系统也比较简单，就是在第1步天线解耦的前提下求出各导频符号对应的初始信道值。这个初始信道值可以通过逆傅立叶变换(IFFT)得到时域的信道信息，在时域采用最小均方误差算法(LMS)或递归最小二乘算法(RLS)得到时域信道估计值，这个时域信道估计值再通过傅立叶变换(FFT)而得到频域的信道值，这个信道信息的精度高于LS算法得到的初始的信道值。为减小计算复杂度，本专利技术的实施实例中采用LS方法而不采用较为复杂的LMS或RLS方法。3.利用得到的实部和虚部形式的初始的信道估计值，进行粒子滤波的序贯重要采样法的初始化设置，初始化设置包括抽取随机样本，即设置粒子的数目、粒子范围、各个粒子所对应的权重；初始化设置就是抽取一系列样本(粒子)，包括设置粒子的数目M、粒子范围、各个粒子所对应的权重1/M。每一个需要信道估计的时频块都需要M个权重为1/M的粒子进行采样。本专利技术重要采样法的信道粒子的初始值的设置不同于已知信道为AR模型的设置方法，在已知信道为AR模型的设置方法中，后面时刻信道粒子初始值是前面时刻信道粒子初始值的服从AR模型的转换值。因此本专利技术的信道粒子值的初始值是建立在LS算法的基础上的，它不需要任何已知信道统计信息。序贯重要采样法的核心思想是根据贝叶斯原理对一系列随机样本(粒子)所表示的先验概率和信道的当前量测值进行加权运算，得到先验概率下的信道估计值。这里信道的当前量测值就是第2步估计处理的初始信道估计值，得到的后验概率下的信道估计值就是本专利技术所要求的准确的信道估计值。随机样本(粒子)的个数越多，蒙特卡罗的特性和后验概率密度的函数表示就越接近，序贯重要采样法的性能就越接近于最优贝叶斯估计。但是粒子数目太多会导致计算复杂度增加，而且粒子数目增加到一定的程度就逼近于最优值，合理的粒子数目一般通过比较计算机仿真结果和计算复杂度的情况下得到。4.根据噪声方差得到以信道粒子值为条件的接收信号的条件概率密度，即先验概率；根据噪声估计得到噪声的估计方差，本文档来自技高网...

【技术保护点】
一种基于粒子滤波的信道估计方法，其特征在于，利用导频信息进行初始信道估计，再在初始信道值的基础上利用粒子滤波得到准确的信道估计，其中，基于粒子滤波的信道估计原理是以信道粒子值为条件的接收信号的条件概率密度作为先验概率，与当前接收信号构造贝叶斯模型，计算出以当前接收信号为条件的信道粒子值的后验概率密度，对所有粒子的权值进行归一化并进行加权运算从而得到准确的信道估计值。

【技术特征摘要】

【专利技术属性】
技术研发人员：梁永明，赵晓绚，罗汉文，张海滨，戴文怡，佘锋，
申请(专利权)人：上海交通大学，夏普株式会社，
类型：发明
国别省市：31[中国|上海]